跨模态数据呈现底层特征异构、高层语义相关的特点，跨模态哈希检索的基本思想是利用不同模态的样本对信息，学习不同模态的哈希变换，将不同模态特征映射到一个汉明二值空间，然后在汉明空间实现快速的跨模态检索，其基本依据是相似样本的哈希编码是相似的。其优点是哈希检索算法具有存储空间小、检索速度快；存在的主要问题是二值化的过程中有精度损失，实值到二值化的过程中原有结构被破坏，没有充分考虑模态内的数据结构和模态问的结构匹配关联，优化计算复杂等。近年来，由于深度学习的特征抽取能力较强，我们可以利用神经网络提取不同模态的有效表示，在高层建立不同模态的语义关联，进行基于深度学习的跨模态哈希检索方法研究。